基于HMM的联机手写汉字识别

论文摘要

如何利用计算机处理和识别文字信息是模式识别领域中一个非常活跃的研究课题。随着移动数码设备的迅速普及,传统的汉字键盘输入方式已经不能满足人们的需求。联机手写汉字识别技术以其简易快捷的输入方式脱颖而出,成为汉字识别领域新的发展方向和重要的研究课题。论文详细探讨和研究了基于HMM的联机手写汉字识别中的预处理、粗分类、特征提取,实现了基于HMM的嵌入式手写体汉字识别系统,具体工作如下:1.论文概述了联机汉字识别技术的研究现状,详细分析了联机手写体汉字的特点和结构特征,深入分析了HMM的原理和特点。在此基础上,设计了基于HMM的联机手写汉字识别方法,有效利用了手写汉字的统计和结构特征。2.针对手写体汉字的连笔书写问题,提出了一种去除连笔的笔段提取方法。该方法引入了带有模糊区域的笔段空间分区策略,定义了三种笔段类型,依据连笔去除准则删除了无效笔段和部分连笔,然后将新的笔段序列作为HMM的观察值序列,有效提高了连笔手写体汉字的识别率。3.汉字识别是一个典型的超多类模式识别问题,为了有效地提高系统性能,论文采用长笔段、笔划数、结构类型三级粗分类逐渐缩小处理字集,降低了识别复杂度,提高了识别速率。4.将识别程序移植到三星SGH-i718智能手机,完成在Windows Mobile 5.0操作系统下的联机手写汉字识别系统的开发,实现了智能手机的嵌入式手写汉字识别。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 汉字识别研究的意义
• 1.2 汉字识别概述
• 1.2.1 联机手写汉字识别技术的发展及现状
• 1.2.2 汉字识别的研究范围
• 1.2.3 联机手写汉字识别方法
• 1.3 汉字识别应用领域
• 1.4 论文主要研究内容及安排
• 第二章 汉字的特点及特征分析
• 2.1 汉字字形的结构特征
• 2.1.1 位点
• 2.1.2 笔段
• 2.1.3 笔划
• 2.1.4 字根
• 2.1.5 单字
• 2.2 汉字字形的统计特征
• 2.2.1 黑象素（“1”位点）分布特性
• 2.2.2 周边特性
• 2.2.3 笔划统计特征
• 2.3 联机手写体汉字的特征
• 2.4 汉字的特点
• 2.5 小结
• 第三章 隐马尔可夫模型的原理
• 3.1 HMM 的基本思想
• 3.1.1 Markov 链
• 3.1.2 HMM 的基本概念
• 3.1.3 HMM 的三个基本问题
• 3.2 HMM 模型的估值
• 3.3 HMM 模型的解码问题
• 3.4 HMM 模型的学习训练
• 3.5 小结
• 第四章 HMM在联机手写汉字识别中的应用
• 4.1 模型的选取
• 4.2 HMM 观察序列的生成
• 4.2.1 笔段提取
• 4.2.2 删除无效笔段和部分连笔
• 4.2.3 笔段编码
• 4.3 HMM 模型的训练和识别
• 4.4 HMM 算法在汉字识别实现中的问题
• 4.4.1 比例因子问题
• 4.4.2 初始模型选取
• 4.5 小结
• 第五章 嵌入式系统实现
• 5.1 系统构成
• 5.2 手机手写输入及字库的建立
• 5.3 手写汉字的预处理
• 5.4 粗分类
• 5.4.1 粗分类的必要性
• 5.4.2 粗分类的要求
• 5.4.3 粗分类的方法
• 5.5 HMM 分类识别
• 5.6 实验结果
• 5.6.1 手写样本库
• 5.6.2 系统界面
• 5.6.3 识别结果
• 5.7 小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 工作展望
• 致谢
• 参考文献